一種基于稀疏表示的增量人臉識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及計算機圖像處理領(lǐng)域，特別是一種基于稀疏表示的增量人臉識別方 法。
【背景技術(shù)】
[0002] 人臉識別技術(shù)已經(jīng)廣泛應(yīng)用在各種認證系統(tǒng)比如口禁，打卡系統(tǒng)中。不過實際中 的人臉識別依然有許多問題要考慮，比如人臉表情偏轉(zhuǎn)變化，眼鏡遮擋等都會帶來人臉的 極大變化，給識別帶來困難。另外，一個實用的人臉識別系統(tǒng)也需要考慮新加入樣本的處 理，即人臉識別的增量問題，如何快速有效地更新訓(xùn)練模型并且保證識別率不受影響。像常 用的SVM，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練模型，對于新加入的樣本，都需要重新訓(xùn)練來找到新的模型，時間 開銷很大。

【發(fā)明內(nèi)容】

[0003] 發(fā)明目的：本發(fā)明的目的是針對上述提到的人臉識別技術(shù)的困難之處，提供一種 對人臉各種變化都具有良好魯椿性，并且采用對訓(xùn)練樣本進行分組W減小新加入樣本加入 時更新開銷的增量人臉識別方法。
[0004] 為了解決上述技術(shù)問題，本發(fā)明公開了一種基于稀疏表示分類的增量人臉識別方 法，包括如下步驟：
[0005] 步驟1，輸入訓(xùn)練人臉圖片集，將包含類別信息的訓(xùn)練集平均分成N個子集，并用 數(shù)字標(biāo)注類別信息，比如對于屬于第一個人的所有圖片，類別信息都標(biāo)注為1，同一個人的 訓(xùn)練圖片屬于同一類別，N為大于1的自然數(shù)；
[0006] 步驟2,對每個子集中的每張人臉圖片，根據(jù)人臉檢測方法定位人臉關(guān)鍵點，根據(jù) 人臉關(guān)鍵點確定人臉部件位置，之后提取每個人臉部件的特征構(gòu)造人臉部件字典；
[0007] 步驟3,輸入測試圖片，根據(jù)人臉檢測方法得到測試圖片的人臉關(guān)鍵點信息，提取 人臉部件特征，在每個子集上都進行步驟4~5操作；
[000引步驟4,對測試圖片中每一個人臉部件特征，在對應(yīng)的人臉部件字典上得到分類結(jié) 果，根據(jù)得到的分類結(jié)果，通過計算每個人臉部件的重建誤差判斷測試圖片中的各個人臉 部件受人臉變化影響程度，選擇最小的兩個重建誤差為標(biāo)準(zhǔn)判斷剩下的部件是否是合格部 件；
[0009] 步驟5,根據(jù)剩余的合格部件，連接訓(xùn)練人臉圖片集中對應(yīng)的人臉部件特征，組成 全局人臉字典，從而得到測試圖片在該一子集上的最終結(jié)果；
[0010] 步驟6,根據(jù)每個子集的結(jié)果，進行一次競爭，從中得到最終結(jié)果作為分類判別結(jié) 果從而完成人臉識別。
[0011] 步驟7,對于新加入的樣本，選擇一個子集，之后按照步驟2所述提取新樣本的四 個部件特征，加入所選擇的子集中的部件字典中。
[0012] 其中，步驟1中將訓(xùn)練人臉圖片根據(jù)類別劃分成N個子集，同一個人的訓(xùn)練圖片屬 于同一個類別，不同人的訓(xùn)練圖片屬于不同類別。每個子集擁有的類別數(shù)量大致相同，并且 同一人的人臉圖片只出現(xiàn)在一個子集中。
[0013] 步驟2中根據(jù)人臉檢測方法定位人臉關(guān)鍵點包括對人臉圖片中的關(guān)鍵點進行定 位，得到雙眼，鼻子，嘴己共四個人臉部件周圍的點作為關(guān)鍵點，所述根據(jù)人臉關(guān)鍵點確定 人臉部件位置包括根據(jù)雙眼，鼻子，嘴己周圍關(guān)鍵點的位置確定一個矩形區(qū)域來包含人臉 部件，所述提取每個人臉部件的特征構(gòu)造人臉部件字典包括提取人臉部件對應(yīng)的矩形區(qū)域 內(nèi)的方向梯度直方圖化istogramof化ientedGradient)特征作為人臉部件的特征，為每 個人臉部件都構(gòu)造一個局部字典，構(gòu)造局部字典的方法如下：
[0014] 將人臉部件特征分為K個類，K為大于1的自然數(shù)，設(shè)第i類有Ni個樣本，fU為 第i個類第j個樣本的特征，為一個行向量，i取值為1~K，j取值范圍1~Ni，則局部字 典D定義如下：
[00巧]D- [fi,i;f1,N1;…；fm,l;fm，Nm;…；fK,l;fK，NK]。
[0016] 步驟3中，對一張測試圖片進行人臉關(guān)鍵點定位和人臉部件定位，得到該張測試 圖片中人臉的雙眼、鼻子、嘴己四個人臉部件特征，然后在訓(xùn)練集劃分出來的N個子集的每 個子集中都進行一次步驟4~5的分類判別。
[0017] 步驟4包括：
[0018] 對于訓(xùn)練人臉圖片集得到的四個人臉部件對應(yīng)的矩形區(qū)域局部塊，每一個都進行 如下操作：
[0019] 設(shè)定該個局部塊得到的方向梯度直方圖化istogramofOrientedGradient)特 征為y，根據(jù)局部字典D得到一個稀疏系數(shù)X，X滿足：
[0020] y=Dx，
[0021] 通過最小化稀疏系數(shù)X絕對值迭代得到稀疏系數(shù) [002引X二 3巧111耐 |x| |i滿足I Iy-DxI 11<e，
[002引其中e=0.05。設(shè)局部字典D有N項，則稀疏系數(shù)X是一個N維向量，其中Xu表示X對應(yīng)局部字典D中第i個類的第j個項的系數(shù)，如下，用D康示D中屬于類i的字典 部分，對于不屬于類i的部分設(shè)為0,屬于類i的fu部分為保留原值，j取值范圍1~N1。 用丫i(X)表示稀疏系數(shù)X中對應(yīng)局部字典D中屬于類i的項的系數(shù)值，對于不屬于類i的 項，在丫i(x)中的值都為0，
[0024] Di= [0 f\i;…；f . . ;0 ;0]，
[0025] 丫i(x) = [0 …；Xi，i;…；x ;0 ;0]，
[0026] 最后分類結(jié)果r為具有最小重建誤差的類：
[0027] r=ar卵inJIy- 丫i(X)蝴I11，
[002引 重建誤差resi化al表示如下；
[0029] residual=I|廠丫r(x)*Djli，
[0030] 對于每個子集中的每個人臉部件都能得到一個分類結(jié)果rW及重建誤差 resi化al，對于其中任一子集，令四個人臉部件得到的重建誤差為resi化all、resi化al2、 residuals和residual4,令residualmini和residualmin2分別代表residual1、residual2、 residuals和residual4 中最小和第二小的值，令residuali對代表residuall、residual2、 residuals和residual4 中的第i個結(jié)果，如果residuali<residualmini+residualmin2,則 判定第i個部件是好的，否則將第i個部件丟棄，此時記錄該個子集中的合格部件個數(shù)為 Ngood。
[0031] 在此子集下全局人臉特征構(gòu)造如下：
[0032] 令fpartl，fpart2,fpart3,fpart4分別代表從四個人臉部件得到的局部特征，均 為行向量形式，f，hDW。。。代表全局特征，則從1到4遍歷i，如果第i個部件為合格部件，則將 巧arti加入到全局特征中，即f,h()lefaee= [f,tolehee巧arti]。遍歷完成之后即可得到全局人 臉特征。
[0033] 在此子集下全局人臉字典構(gòu)造如下：
[0034] 令該子集的四個部件的局部字典分別為D1，D2, D3, D4,每個局部字典的構(gòu)造都如 下所示：
[003引 D = [fl ;f2 ;f3 ;…；fn]，
[0036] 為一個行向量，若該子集中有n個訓(xùn)練樣本，則D中一共有n個該樣的行向量，
[0037] 令D,h〇ief￡iee代表全局字典，則從1到4遍歷i，如果束i個部件為合格部件，則將Di 加入到全局字典中。加入方式可W簡單地采用行連接的方式，設(shè)D中第k行 數(shù)據(jù)為fDwholefacek，Di中第k行數(shù)據(jù)為巧ik，則將Di加入全局字典之后，全局字典中第k 行數(shù)據(jù)變?yōu)閒wholefacek= [fDwholefacek巧ij。如此便可得到該個子集上的全局人臉字 典。
[003引步驟5包括在每個子集上，根據(jù)得到的合格部件結(jié)果，在四個人臉部件字典的基 礎(chǔ)上得到全